Python-逻辑回归小案例-学习笔记36

# -*- coding: utf-8 -*-"""Created on Thu Feb 16 14:22:16 2017@author: yunjinqiE-mail:[e-mail] yourself in the world from anyone else."""'''1. data1 是40名癌症病人的一些生存资料，其中，X1表示生活行动能力评分（1~100），X2表示病人的年龄，X3表示由诊断到直入研究时间（月）；X4表示肿瘤类型，X5把ISO两种疗法（“1”是常规，“0”是试验新疗法）；Y表示病人生存时间（“0”表示生存时间小于200天，“1”表示生存时间大于或等于200天）试建立Y关于X1~X5的logistic回归模型'''########################################################读取整理数据import pandas as pdfrom sklearn.linear_model import LogisticRegression as LRfrom sklearn.linear_model import RandomizedLogisticRegression as RLR data=pd.read_table('data1.txt',encoding='gbk')datax=data.iloc[:,1:6].as_matrix()y=data.iloc[:,6].as_matrix()rlr = RLR() #建立随机逻辑回归模型，筛选变量rlr.fit(x, y) #训练模型rlr.get_support() #获取特征筛选结果，也可以通过.scores_方法获取各个特征的分数print(u'通过随机逻辑回归模型筛选特征结束。')print(u'有效特征为：%s' % ','.join(data.columns[rlr.get_support()]))x = data[data.columns[rlr.get_support()]].as_matrix() #筛选好特征lr = LR() #建立逻辑回归模型lr.fit(x, y) #用筛选后的特征数据来训练模型print(u'逻辑回归模型训练结束。')print(u'模型的平均正确率为：%s' % lr.score(x, y)) #给出模型的平均正确率，本例为0.75